小白学 Python 数据分析（17）：Matplotlib（二）基础操作
极客挖掘机 人气:0
> 人生苦短，我用 Python
前文传送门：
[小白学 Python 数据分析（1）：数据分析基础](https://www.geekdigging.com/2020/01/19/6719980708/)
[小白学 Python 数据分析（2）：Pandas （一）概述](https://www.geekdigging.com/2020/01/20/6718497214/)
[小白学 Python 数据分析（3）：Pandas （二）数据结构 Series](https://www.geekdigging.com/2020/02/04/3234667780/)
[小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame](https://www.geekdigging.com/2020/02/05/9920298470/)
[小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据](https://www.geekdigging.com/2020/02/16/6852411690/)
[小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择](https://www.geekdigging.com/2020/02/20/6566891797/)
[小白学 Python 数据分析（7）：Pandas （六）数据导入](https://www.geekdigging.com/2020/02/23/7355903936/)
[小白学 Python 数据分析（8）：Pandas （七）数据预处理](https://www.geekdigging.com/2020/02/25/9013297409/)
[小白学 Python 数据分析（9）：Pandas （八）数据预处理（2）](https://www.geekdigging.com/2020/02/27/2857868620/)
[小白学 Python 数据分析（10）：Pandas （九）数据运算](https://www.geekdigging.com/2020/02/29/5808964196/)
[小白学 Python 数据分析（11）：Pandas （十）数据分组](https://www.geekdigging.com/2020/03/03/5975552137/)
[小白学 Python 数据分析（12）：Pandas （十一）数据透视表（pivot_table）](https://www.geekdigging.com/2020/03/04/8327177610/)
[小白学 Python 数据分析（13）：Pandas （十二）数据表拼接](https://www.geekdigging.com/2020/03/06/5036602239/)
[小白学 Python 数据分析（14）：Pandas （十三）数据导出](https://www.geekdigging.com/2020/03/07/6918490736/)
[小白学 Python 数据分析（15）：数据可视化概述](https://www.geekdigging.com/2020/03/09/7393240956/)
[小白学 Python 数据分析（16）：Matplotlib（一）坐标系](https://www.geekdigging.com/2020/03/14/2444388683/)
## 坐标轴标题设置
各位同学好，我又来了，本文给大家带来的是有关 Matplotlib 的一些基础操作。
在前一篇文章中，我们介绍了如何使用 Matplotlib 绘制坐标系，本文我们接着介绍 Matplotlib 。
先看一个简单的示例：
```python
import matplotlib.pyplot as plt
x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlabel('年份')
plt.ylabel('销量')
plt.plot(x_data, y_data)
plt.show()
```
结果如下：
好像哪里不太对的样子，横轴和数轴的标题没有显示出来，看一下程序运行，没有报错，但是报出来一个警告：
```shell
RuntimeWarning: Glyph 24180 missing from current font.
```
这个警告的含义是 plt 画图是找不到字体，那么这里我们手动设置一下字体：
```python
plt.rcParams['font.sans-serif']=['SimHei']
```
完整的样例代码如下：
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlabel('年份')
plt.ylabel('销量')
plt.plot(x_data, y_data)
plt.show()
```
结果如下：
这下显示正常了。
我们还可以通过参数 `labelpad` 设置标题到坐标轴的距离，这里为了演示效果设置的距离稍微大了点：
```python
plt.xlabel('年份', labelpad=50)
plt.ylabel('销量', labelpad=50)
```
结果如下：
我们还可以通过参数对文本的相关属性进行设置，下面看下一些常用的设置参数：
```python
plt.xlabel('年份', labelpad=50, fontsize='xx-large', fontweight='bold', rotation='vertical', backgroundcolor='red')
plt.ylabel('销量', labelpad=50)
```
先看结果：
xlabel 中常用的一些参数：
* fontsize : 设置字体大小，默认12，可选参数 ['xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large']
* fontweight : 设置字体粗细，可选参数 ['light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black']
* fontstyle : 设置字体类型，可选参数[ 'normal' | 'italic' | 'oblique' ]，italic斜体，oblique倾斜
* verticalalignment : 设置水平对齐方式 ，可选参数 ： 'center' , 'top' , 'bottom' ,'baseline'
* horizontalalignment : 设置垂直对齐方式，可选参数：left,right,center
* rotation : (旋转角度)可选参数为:vertical,horizontal 也可以为数字
* alpha : 透明度，参数值0至1之间
* backgroundcolor : 标题背景颜色
* bbox : 给标题增加外框 ，常用参数如下：
* boxstyle 方框外形
* facecolor (简写fc)背景颜色
* edgecolor (简写ec)边框线条颜色
* edgewidth 边框线条大小
## 刻度设置
默认坐标轴是显示 x y 的值，但是也可以自定义显示不同的刻度，这里需要使用到的函数为 `xticks` 和 `yticks` 两个函数：
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xticks(x_data, ['2011年','2012年','2013年','2014年','2015年','2016年','2017年'])
plt.yticks(y_data)
plt.plot(x_data, y_data)
plt.show()
```
结果如下：
有些时候，由于数据脱敏的需要，我们不要显示刻度，还可以这么写：
```python
plt.xticks(x_data, [])
plt.yticks(y_data, [])
```
这样展现出来的图形如下：
实际上，我们还有更狠的操作，直接关闭坐标轴：
```python
plt.axis("off")
```
结果如下：
## 范围设置
我们还可以对坐标轴的范围进行设置，如下：
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlim(2011, 2020)
plt.ylim(50000, 90000)
plt.plot(x_data, y_data)
plt.show()
```
结果如下：
这里设置在 Y 轴上最大值为 90000 ，那么 2016 和 2017 对应的数据将会无法显示，实际我们从得出的结果图上也能看出这一点。
## 网格线设置
网格线默认是关闭的，我们可以通过函数 `grid` 修改参数 `b` 来开启网格线，如下：
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.plot(x_data, y_data)
plt.grid(b=True)
plt.show()
```
结果如下：
我们不仅可开启网格线，还可以通过参数 `axis` 来控制是开启哪个轴的网格线：
```python
# 开启 x 轴网格线
plt.grid(b=True, axis='x')
# 开启 y 轴网格线
plt.grid(b=True, axis='y')
```
## 图例设置
图例能对图表起到注释的作用，我们可以通过参数 `label` 对该图表的图例进行设置，示例如下：
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.plot(x_data, y_data, label = '折线图')
plt.bar(x_data, y_data, label = '柱状图')
plt.legend()
plt.show()
```
结果如下：
## 图表标题设置
图表标题是用来概括整张图表现的内容的，我们可以通过如下方式设置一张图的标题：
```python
plt.title(label='xxx 公司 xxx 产品销量')
```
结果如下：
本文的内容就到这里了，下一篇我们介绍 Matplotlib 的常用图表的示例，本文的示例代码写的有点乱，就不贴出来了，当然，如果经常看小编写的文章的估计都找得到。
## 参考
https://blog.csdn.net/The_Time_Runner/articlehttps://img.qb5200.com/download-x/details/89927708
加载全部内容